[发明专利]一种基于遗传‑蚁群算法的机器人路径规划方法

摘要

一种基于遗传‑蚁群算法的机器人路径规划方法，在栅格障碍环境下，先采用遗传算法生成一系列无障碍栅格序列，这些栅格序列根据一定的规则设定环境中的初始信息素，继而启动蚁群算法，在正确的信息素的指导下，蚁群能够快速准确地搜索出最优解；本发明结合遗传算法在信息处理前期的快速有效性和蚁群算法在具有正确信息素指导情况下求解的快速性和精确性，从而达到时间效率上优于蚁群算法，在求精确解效率上优于遗传算法，实现两种算法的优势互补。

主权项

一种基于遗传‑蚁群算法的机器人路径规划方法，其特征在于，包括以下步骤：步骤1:首先采用栅格法对机器人的工作环境进行建模，机器人移动的基本步长等于机器人外接圆直径，值为c,为保证机器人能够在环境模型中无碰撞地运动，取c作为栅格单元的边长，设工作环境是长为X、宽为Y的方形区域，从左上角开始将工作区域划分为m行n列个边长为c的栅格；如果某一栅格中存在障碍物，则定义此栅格为障碍栅格，反之为自由栅格，采用序号表示法对栅格进行编码，用0和1分别表示障碍栅格和自由栅格，按照从左到右，从下到上的顺序对栅格依次进行编码；步骤2:随机生成初始种群，随机、自由地选取一系列自由栅格序号连接起点和终点；步骤3:计算群体中各个个体的适应度，适应度函数取为F=(n-1+1)*Dkn-1]]>其中，F为适应度函数，n为机器人走过的删格数，D为机器人所走路径长度；步骤4:采用随机联赛选择方法进行选择操作，即从群体中随机选择2个个体进行适应度大小的比较，将适应度最高的个体遗传到下一代群体中，重复上述过程重复M次，就得到下一代群体的M个个体；步骤5:随机选择两个个体，根据交叉概率判断是否进行交叉，如果满足交叉条件，分别在两个个体中随机产生一个交叉位，进行交叉操作；步骤6:根据变异概率进行变异操作，从个体中以一定的概率选择一个起点和终点以外的路经点作为变异点，另一个随机产生的序号代替它；步骤7:判断路径中是否有重合的路径点，即序号相同的栅格，如果有则执行删除操作，直到无重合路径点；步骤8:判断是否满足终止条件，达到最大进化代数，或连续三代的子代群体进化率都大于最大进化率，不满足则转步骤3；步骤9:根据式(1)设置初始信息素分布，循环次数N置零，设置蚂蚁数和最大循环次数，并将所有蚂蚁置于起点，Tij＝Tc+Tg,ij＝1,2,.....,N,i≠j    (1)其中，Tc是一个给定的信息素常数，Tg是由遗传算法的结果根据某种规则转换得到的信息素；步骤10:启动蚁群算法，每只蚂蚁按照式(2)计算的转移概率选择下一个路径点，Pijk=Tij/ΣΔTij,j∈Sik0,other---(2)]]>表示t时刻蚂蚁k择下一个删格i的转移概率，表示蚂蚁k下一步允许选择的路径点，必须为自由删格；步骤11:重复步骤10直到蚁群到达终点，根据删格的信息素浓度调整式(3)和式(4)进行信息素更新，Tij(t+n)=ρ*Tij(t)+ΔTij,ρ∈(0,1)ΔTijΣk=1WΔTijk---(3)]]>其中，ΔTij表示本次循环中路径(i，j)上的信息素的增量，1‑ρ表示信息素消逝程度；其中，Q是常数，Lk表示第k只蚂蚁在本次循环中所走过的路径长度；步骤12:令N＝N+1，并利用当代的最优路径，根据式(3)和式(4)更新信息素；步骤13:若蚁群全部收敛到一条路径或达到最大循环次数，则循环结束，输出最优路径，否则转步骤11。